智慧矿山工人人因失误影响因素研究

李红霞，樊恒子，张嘉琦，陈 磊，田方圆

(1.西安科技大学 安全科学与工程学院，陕西 西安 710054；2.陕西智引科技有限公司，陕西 西安 710200)

0 引 言

科学技术迅猛发展，矿山从数字化建设逐渐转向信息化及智慧化建设。大数据、人工智能、智能控制、物联网等技术的不断推进使矿山生产技术与安全水平得到极大提升[1]，其生产方式由传统人工开采转向无人、少人化，不但节省人工成本还提高了设备利用率与资源配置率，保障矿山的生产安全。如今，正由初级阶段迈向目标阶段[2]。

矿山的生产越来越趋向于自动化发展，但如今仍不能实现无人化，人的因素在新的矿山系统中的角色也发生了重要的转变，矿山工人由体力劳动逐渐变为脑力劳动，相较传统矿工的工作范围较灵活。在新的生产模式下，人是重要的组成部分，人的失误仍然是智慧矿山系统发生事故的重要原因。因此人的不安全行为也会影响矿山的安全生产。通过对智慧矿山系统人因失误研究，对于减少新生产模式下带来的事故和伤害有重要价值。

近年来，国内外学者对人因失误影响因素方面的研究取得了一些成果。REASON等通过分类法将人因失误分为有意图行为与无意图行为[3]。周刚等从安全教育与技术培训、人机匹配度与机器系统设计等方面探讨如何控制预防人因失误[4]。李博杨等运用熵权法与集对分析模型来评价煤矿安全，将人因失误分为：组织管理、组织行为、操作者行为及安全监管4大类[5]。兰建义等通过统计分析近年来煤矿安全事故数据，认为导致煤矿人因事故发生的关键影响因素有：个体、环境、安全规范与组织管理等4类[6]。Folkman等认为个体因素中个性心理特征与个人能力是导致人因失误的主要因素[7]。HOLMES T H等研究发现，煤矿工人作业时若出现行动协调性、敏捷性与连续性等操作行为障碍，则有可能会造成不安全事故的发生[8]。张卫华通过人因工程学与认知心理学理论构建煤矿人因失误理论模型，表明个体因素是造成人因失误的直接原因[9]。

构建一个完整智慧矿山人因失误影响因素模型，是研究开展的前提。文中借鉴国内外学者研究成果，并结合智慧矿山工人自身特点，发现与一般矿工人因失误相比，智慧矿山工人人因失误具有技术复杂性与情绪稳定性[10]，将其影响因素分为个体、能力、机械设备与组织安全管理4大类。通过文献调查法、案例分析法构建智慧矿山人因失误影响因素模型并运用关键事件访谈法对其验证。

1 AHP法智慧矿山人因失误影响因素

1.1 层次分析法

层次分析法(analytic hierarchy process，AHP)是20世纪70年代由美国匹兹堡大学教授T.L.Saaty提出的层级分析法[11]。此方法是仿照人对复杂问题的研究与思索过程，将其数量化与层次化，是一种定量与定性相结合的系统层次化的决策方法[12]。解决问题的思路首先是将问题划分为不同的因素，将这些问题再划分为不同的层次，形成一个阶梯式有序多层次的结构模型；其次是从人的客观判断每一层次的相对重要性来给出定量表示，并通过数学方法计算出每一层所包含因素的权值；最后，综合计算每层因素相对重要性的权值，得到方案层对于目标层相对优劣次序的排序值，为选择方案提供依据，从而得到最终的决策方案。

1)确定问题，构建层次结构模型[13]。

2)邀请煤矿安全管理专家根据经典1～9标度法进行打分构造出判断矩阵，其比例标度与重要性等级见表1。

表1 判断矩阵1～9标度法Table 1 Scale method of judgment matrix 1～9

3)计算特征权重值。

4)一致性检验。

(1)

(2)

式中λmax为最大特征根；n为因子个数，当n≥3，CR<0.1时，满足一致性条件，反之则须修正判断矩阵，直到CR<0.1时，则不会出现逻辑错误。对于1～9阶的判断矩阵，平均随机一致性指标RI值见表2。

最后，所有要素需要进行层次总排序，之后层次总排序进行一致性检验，其公式为

(3)

表2 1～9阶判断矩阵对应平均随机一致性指标RI值Table 2 RI value of average random consistency index corresponding to judgment matrix of order 1～9

1.2 指标体系构建

文中借鉴国内外学者关于矿山工人人因失误的影响研究后，在智慧矿山的背景下，原有的生产方式发生了重要变化，结合智慧矿山工人自身的特点，构建如图1所示的智慧矿山人因失误影响因素指标体系。

图1 智慧矿山人因失误影响因素指标体系Fig.1 Index system of influencing factors of human errors in Smart Mine

1.3 计算指标权重

1)构造1个一级指标判断矩阵与4个二级指标判断矩阵，分别见表3，表4，表5，表6，表7。

表3 A～B判断矩阵及结果Table 3 A～B judgment matrix and results

表4 B1～C判断矩阵及结果Table 4 B1～C judgment matrix and results

表5 B2～C判断矩阵及结果Table 5 B2～C judgment matrix and results

表6 B3～C判断矩阵及结果Table 6 B3～C judgment matrix and results

表7 B4～C判断矩阵及结果Table 7 B4～C judgment matrix and results

2)根据层次单排序的结果，计算各层次要素的综合权重，进行层次总排序，结果见表8所示。

表8 层次总排序及结果Table 8 General ranking and results

一致性检验指标为0.042 5<0.1，通过一致性检验。由此可得：导致智慧矿山人因失误各因素重要程度可由AHP法确定。由表7可得出，智慧矿山工人的操作能力与应急反应能力、设备安全水平、人机匹配度等因素对导致智慧矿山人因失误的影响较大而安全信息交流对其的影响较不明显。

2 DEMATEL法智慧矿山人因失误影响因素

2.1 决策试验与评价实验室法

DEMATEL(decision making trialand evaluation laboratory)方法是1971年由美国国家实验室的学者所提出，是利用图论和矩阵工具进行复杂系统的因素分析[14]，是一种将原因与结果分开考虑明确系统关系的方法[15]。智慧矿山人因失误影响因素体系是一个典型的“人机环管”系统，通过DEMATEL法分析智慧矿山人因失误，可有助于管理者事先发现并控制安全隐患，加强智慧矿山安全管理水平[16-18]。

2.2 DEMATEL计算步骤

1)确定系统中各因素的直接影响程度。采用专家打分法对因素间的影响程度进行比对[20]，0～5分表示因素间的影响关系，0，1，2，3，4，5分别表示影响程度无，弱，较弱，较强，强，很强从而得到直接影响矩阵，见表9。

表9 直接影响矩阵Table 9 Direct impact matrix

2)将矩阵进行规范化处理并得到直接影响矩阵，见表10。

表10 规范化直接影响矩阵Table10 Normalized direct impact matrix

B=(bij)n×n

(3)

(4)

(5)

3)计算综合影响矩阵。

T=B(I-B)-1，其中I为单位矩阵。

4)求中心度。

hi=fi+gi,i=1,3,…,n

(6)

(7)

计算结果见表11。

表11 综合影响矩阵Table11 Comprehensive impact matrix

5)计算综合影响度为了降低专家打分法的主观片面性，使各因素的重要程度更准确被描述[21]。计算结果见表12。

表12 综合影响度Table 12 Comprehensive impact degree

(8)

由表11可知，C7，C8，C11的综合影响度xi>0.1，换句话说就是，智慧矿山工人的操作能力、应急反应能力与人机匹配度对智慧矿山人因失误影响最大。

3 结 论

1)个体因素层面：安全素质>工作经验>安全知识>身心状况>情绪稳定性。可见矿工安全素质培养与安全知识的积累运用是新型智慧矿山的基础，只有将基础打好，打扎实才能付诸于实践与运用。

2)能力因素层面：操作能力>应急反应能力>决策能力>风险感知能力>岗位胜任能力。相较传统煤矿与数字化智能化的智慧矿山最主要的区别除了机器设备更智能外，就是矿工的选用，更注重其各方面能力。扎实的操作能力会尽可能避免违规操作，极大地减少事故的发生；应急反应能力与决策能力则要求矿工更迅速准确地做出合理的判断与决策。

3)机械设备层面：人机匹配度>设备安全水平>安全应急装置>信息信号传递>新技术应用。机械设备因素是智慧矿山最为重要与关键的人因风险因素之一。煤矿属于复杂且多变的环境，安全合理地优化人机界面使人与机器更加和谐稳定。

4)组织安全管理层面：安全管理制度>安全培训教育>安全行为激励>安全信息交流。安全管理制度的确立是提升矿山安全管理，减少人因失误最有效且具有操作性的环节。